Optymalizacja pochodnych sorafenibu przy użyciu fragmentacji przez SI, ukierunkowanych na VEGFR2 w chorobach związanych z angiogenezą: badanie struktura‑oparte in silico

Dlaczego przekształcenie leku przeciwko nowotworom ma znaczenie dla wielu chorób

Nowe naczynia krwionośne utrzymują narządy przy życiu, ale gdy ich wzrost wymyka się spod kontroli, mogą odżywiać guzy, uszkadzać oko i zaburzać funkcję łożyska w ciąży. To badanie pokazuje, jak sztuczna inteligencja i zaawansowane symulacje komputerowe mogą przeprojektować istniejący lek przeciwnowotworowy — sorafenib — aby precyzyjniej kontrolować kluczowy przełącznik wzrostu naczyń zwany VEGFR2, z dalekosiężną nadzieją na bezpieczniejsze terapie schorzeń związanych z angiogenezą.

Światło drogowe dla nowych naczyń

Wzrost naczyń krwionośnych, czyli angiogeneza, zależy w dużej mierze od białka na powierzchni komórek wyścielających naczynia, zwanego VEGFR2. Gdy jego ligand VEGF się z nim łączy, VEGFR2 przekazuje sygnały do podziału, migracji komórek i formowania nowych naczyń. To jest pomocne przy gojeniu ran i rozwoju, ale szkodliwe, gdy napędza unaczynienie guza, niektóre choroby oka, przewlekłe zapalenie albo nieprawidłowe zmiany w łożysku. Z tego powodu VEGFR2 stał się ważnym celem terapeutycznym i istnieje już kilka leków, które go blokują. Jednak wiele z tych leków, w tym sorafenib, oddziałuje na kilka powiązanych enzymów, co może powodować poważne działania niepożądane.

Przekształcanie sorafenibu w lepsze narzędzie

Sorafenib jest silnym, lecz nieprecyzyjnym narzędziem. Wiąże się z wewnętrznym „silnikowym” miejscem VEGFR2 i pokrewnych enzymów, wyłączając sygnały promujące angiogenezę. Niestety jego szerokie spektrum aktywności wiąże się z problemami takimi jak wysokie ciśnienie krwi, obciążenie serca, reakcje skórne i ryzyko uszkodzenia wątroby. Zamiast zaczynać od zera, autorzy użyli podstawowego szkieletem chemicznego sorafenibu jako punktu wyjścia i postawili pytanie: czy można użyć SI, by delikatnie przeprojektować tę cząsteczkę tak, by mocniej chwytała VEGFR2, miała lepsze właściwości farmakokinetyczne i niższą toksyczność — nie tracąc przy tym aktywności antyangiogenicznej?

Pozwolić SI eksplorować bezpieczniejszą przestrzeń chemiczną

Zespół wprowadził strukturę sorafenibu do systemu opartego na SI, który wykonuje niewielkie, chemicznie realistyczne modyfikacje — dodając lub zamieniając fragmenty w sposób, który chemik medyczny mógłby odtworzyć w laboratorium. W wyniku tego powstało dwadzieścia nowych kandydatów, które zachowały rdzeń sorafenibu, ale różniły się grupami bocznymi i ogólnym kształtem. Badacze polegali wyłącznie na metodach komputerowych do oceny tych kandydatów: wirtualny docking do wysokorozdzielczego modelu 3D VEGFR2, długie symulacje dynamiki molekularnej odwzorowujące ruchy atomów w warunkach wodnych podobnych do organizmu oraz obliczenia energetyczne szacujące siłę wiązania każdej cząsteczki.

Wyróżniający się kandydat w symulacjach

Jedna konstrukcja, nazwana AI‑Fragmented Derivative 7 (Grow), konsekwentnie wybiła się na prowadzenie. Analizy dockingowe sugerowały, że osiada ona w głównej aktywnej szczelinie VEGFR2 bardziej dopasowana niż sorafenib, tworząc gęstszą sieć kontaktów z kluczowymi aminokwasami istotnymi dla rzeczywistych inhibitorów. Półmikrosekundowa symulacja dynamiki molekularnej wykazała, że kompleks pozostawał wyjątkowo stabilny w czasie: białko utrzymywało zwartą strukturę, kieszeń wiążąca nie zapadała się ani nie deformowała, a nowa cząsteczka praktycznie nie dryfowała, zachowując przez cały czas kilka wiązań wodorowych i kontaktów hydrofobowych. Zaawansowane obliczenia kwantowo‑chemiczne wskazały, że rozmieszczenie elektronów w pochodnej 7 sprzyja interakcjom ładunkowym z VEGFR2, co wspiera przewidywane silne wiązanie.

Wskazówki o lepszym zachowaniu w organizmie

Ponad samo dobre wiązanie, lek musi bezpiecznie przebiegać przez organizm. Autorzy użyli narzędzi predykcyjnych dostępnych w sieci, by oszacować, jak każdy kandydat może się rozpuszczać, być wchłaniany, metabolizowany przez enzymy wątrobowe i potencjalnie szkodzić. Pochodna 7 została przewidziana jako nieco lepiej rozpuszczalna w wodzie i mająca bardziej zrównoważony balans obszarów lipofilnych i polarnych niż sorafenib — cechy, które często ułatwiają dawkowanie i formułowanie. Co ważne, modele uczenia maszynowego oznaczyły sorafenib jako bardziej prawdopodobny sprawca uszkodzeń wątroby indukowanych lekiem, podczas gdy pochodna 7 znalazła się po bezpieczniejszej stronie tego ryzyka. Jednocześnie zachowała ogólnie podobny profil metaboliczny, co sugeruje, że trasy jej rozkładu mogą być przewidywalne.

Od komputerowych obietnic do dowodów w rzeczywistości

Mówiąc prościej, praca ta pokazuje, jak SI i symulacje oparte na fizyce mogą „dobić i wypolerować” istniejący lek, tworząc potencjalnie ostrzejszą i bezpieczniejszą wersję ukierunkowaną na ten sam molekularny przełącznik. Przeprojektowana pochodna sorafenibu wydaje się, w modelach komputerowych, mocniej chwytać VEGFR2 i mieć mniej czerwonych flag w kwestii uszkodzeń wątroby, przy zachowaniu cech, które czynią sorafenib skutecznym. Jednak wszystkie te wyniki są predykcjami: nowa cząsteczka nie została jeszcze zsyntezowana ani przetestowana w komórkach, zwierzętach czy pacjentach. Rzeczywistym wkładem badania jest dostarczenie dobrze uzasadnionego, bogatego w dane kandydata — oraz ponownie używalnego cyfrowego pipeline’u — dla leków następnej generacji, które lepiej okiełznają niekontrolowany wzrost naczyń krwionośnych w raku, chorobach oka i innych stanach napędzanych angiogenezą.

Cytowanie: Inan, D., Karageçili, S. & Ali, N. AI fragmentation-based optimization of Sorafenib derivatives targeting VEGFR2 for angiogenesis-related pathologies: a structure-based in-silico study. Sci Rep 16, 11848 (2026). https://doi.org/10.1038/s41598-026-41232-9

Słowa kluczowe: angiogeneza, inhibitory VEGFR2, pochodne sorafenibu, projektowanie leków z użyciem SI, docking molekularny